npair_loss¶
参考阅读 Improved Deep Metric Learning with Multi class N pair Loss Objective
NPair 损失需要成对的数据。NPair 损失分为两部分:第一部分是对嵌入向量进行 L2 正则化;第二部分是每一对数据的相似性矩阵的每一行和映射到 ont-hot 之后的标签的交叉熵损失的和。
参数¶
labels (Tensor) - 标签向量,形状为[batch_size]的 1-D Tensor。数据类型:float32、float64 和 int64。
l2_reg (float) - 嵌入向量的 L2 正则化系数,默认:0.002。
返回¶
经过 npair loss 计算之后的结果 Tensor 。
代码示例¶
import paddle
DATATYPE = "float32"
anchor = paddle.rand(shape=(18, 6), dtype=DATATYPE)
positive = paddle.rand(shape=(18, 6), dtype=DATATYPE)
labels = paddle.rand(shape=(18,), dtype=DATATYPE)
npair_loss = paddle.nn.functional.npair_loss(anchor, positive, labels, l2_reg = 0.002)
print(npair_loss)